[發(fā)明專利]基于迭代優(yōu)化網(wǎng)絡(luò)的MIMO雷達(dá)波形優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110293102.7
• 申請(qǐng)日: 2021-03-18
• 公開（公告）號(hào): CN113050077B
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計(jì)）人: 王鵬飛;魏志勇;胡進(jìn)峰;張偉見;李玉枝;鄒欣穎;董重
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)長(zhǎng)三角研究院（衢州）
• 主分類號(hào): G01S13/02
• 分類號(hào): G01S13/02;G01S7/02;G06N3/04;G06N3/08
• 代理公司: 成都云縱知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51316
• 代理人: 伍星

1.基于迭代優(yōu)化網(wǎng)絡(luò)的MIMO雷達(dá)波形優(yōu)化方法，其特征在于，在設(shè)置的網(wǎng)絡(luò)模型中輸入一個(gè)歸一化的隨機(jī)向量或者為優(yōu)化過的歸一化相位矢量，輸出信號(hào)矩陣，信號(hào)矩陣為MIMO雷達(dá)波形；

詳細(xì)為：將信號(hào)處理函數(shù)設(shè)置為網(wǎng)絡(luò)模型的損失函數(shù)，所述信號(hào)處理函數(shù)用于驅(qū)動(dòng)網(wǎng)絡(luò)模型，所述網(wǎng)絡(luò)模型的參數(shù)通過Adam深度學(xué)習(xí)方法優(yōu)化；

其中：在構(gòu)建的信號(hào)處理函數(shù)、損失函數(shù)中輸入時(shí)延加權(quán)矢量和歸一化相位序列得到損失值，歸一化相位序列為多根天線發(fā)射波形轉(zhuǎn)換的相位矩陣形式，構(gòu)建的信號(hào)處理函數(shù)包括對(duì)天線發(fā)射波形的脈沖信號(hào)基于相關(guān)性轉(zhuǎn)化為信號(hào)實(shí)部矩陣和信號(hào)虛部矩陣，并采用卷積網(wǎng)絡(luò)卷積計(jì)算得到相關(guān)性幅值，再根據(jù)時(shí)延加權(quán)矢量構(gòu)造加權(quán)相關(guān)矩陣計(jì)算相關(guān)值；

在構(gòu)建深度殘差網(wǎng)絡(luò)中輸入歸一化的隨機(jī)向量和神經(jīng)元數(shù)目并輸出歸一化相位向量；

在信號(hào)處理函數(shù)和深度殘差網(wǎng)絡(luò)中加入收斂條件，得到內(nèi)迭代網(wǎng)絡(luò)并構(gòu)造外迭代網(wǎng)絡(luò)，依次進(jìn)行內(nèi)迭代網(wǎng)絡(luò)和外迭代網(wǎng)絡(luò)進(jìn)行迭代收斂判斷，收斂后得到矢量轉(zhuǎn)化成的相位矩陣，計(jì)算得到信號(hào)矩陣；詳細(xì)步驟如下：

步驟1:構(gòu)建信號(hào)處理函數(shù)

輸入為歸一化相位序列和時(shí)延加權(quán)矢量輸出為損失值cⁿ＝L(yⁿ,γ)，構(gòu)造損失函數(shù)L(·)，將轉(zhuǎn)化到[0,2π]，即再轉(zhuǎn)換為相位矩陣形式其中表示第一根天線發(fā)射的波形，脈沖信號(hào)的形式為將脈沖信號(hào)的形式轉(zhuǎn)化為信號(hào)實(shí)部矩陣以及信號(hào)虛部矩陣的形式

構(gòu)造用于進(jìn)行相關(guān)性的計(jì)算的信號(hào)擴(kuò)展矩陣，其中非周期情況下分別構(gòu)造實(shí)部擴(kuò)展矩陣以及虛部擴(kuò)展矩陣：

對(duì)于周期情況構(gòu)造擴(kuò)展矩陣為:

其中H_-N表示刪除虛部矩陣H第n行構(gòu)造的矩陣，同理，H_-1表示刪除相位矩陣H第1行構(gòu)造的矩陣，對(duì)于P^AP的構(gòu)造過程與之相同，這里根據(jù)周期以及非周期的情況使用和分別表示虛部和實(shí)部的擴(kuò)展矩陣，其中當(dāng)為周期情況時(shí)并且如果是非周期情況并且

通過卷積網(wǎng)絡(luò)的方式進(jìn)行卷積計(jì)算，因?yàn)橄嚓P(guān)性拆解為虛部以及實(shí)部分別計(jì)算：

k表示時(shí)延，這里是s_m(n)的實(shí)部，是s_m(n)的虛部，而卷積網(wǎng)絡(luò)的計(jì)算方法為：

這里表示卷積計(jì)算，同理得以及因此得到相關(guān)性的幅值為

接下來根據(jù)時(shí)延加權(quán)矢量獲得加權(quán)相關(guān)性為：

其中⊙表示每個(gè)元素對(duì)應(yīng)相乘，接下來構(gòu)造加權(quán)自相關(guān)矩陣：

然后構(gòu)造加權(quán)互相關(guān)矩陣：

然后構(gòu)造損失函數(shù)并計(jì)算損失值為：

其中∑(·)與max(·)分別表示對(duì)矩陣所有元素進(jìn)行求和以及求出所有元素中的最大值，這里n＝1,2,...,N，獲得損失值cⁿ；

步驟2：構(gòu)造深度殘差網(wǎng)絡(luò)

所述深度殘差網(wǎng)絡(luò)輸入為歸一化的隨機(jī)向量和神經(jīng)元數(shù)目d，輸出為歸一化相位向量

構(gòu)造深度殘差網(wǎng)絡(luò)，所述深度殘差網(wǎng)絡(luò)由多個(gè)殘差塊和輸入輸出全連接層組成，其中每個(gè)殘差塊由兩層全連接層以及恒等映射組合構(gòu)成，殘差網(wǎng)絡(luò)獲得歸一化相位序列表述為：

其中，W和B為深度殘差網(wǎng)絡(luò)中的參數(shù)，全連接層的數(shù)學(xué)表述形式為：

p_i＝x_i-1W_i+B_i

式中x_i-1表示第i層全連接層的輸入，p_i表示全連接層的輸出，之后通過激活函數(shù)，得到x_i＝sigmod(p_i)；

在每?jī)蓪尤B接層中間構(gòu)造了一個(gè)恒等映射，為第i個(gè)殘差塊的輸入，d是殘差塊每層中神經(jīng)元的數(shù)量，根據(jù)全連接層的計(jì)算方法得到和最后獲得x_i+1＝sigmod(p_i+1+x_i-1)；

步驟3:內(nèi)迭代網(wǎng)絡(luò)

內(nèi)迭代網(wǎng)絡(luò)由深度殘差網(wǎng)絡(luò)，信號(hào)處理函數(shù)和收斂條件組成，輸入為輸入歸一化相位序列融合因子ξ₁,ξ₂，時(shí)延權(quán)重矢量γ,最大迭代次數(shù)N_max,最小迭代次數(shù)N_min,當(dāng)前迭代次數(shù)n＝0,內(nèi)迭代收斂因子收斂區(qū)間E,殘差塊的數(shù)量R_N,網(wǎng)絡(luò)的神經(jīng)元數(shù)量K和Adam算法的學(xué)習(xí)率κ；

獲得初始損失值，通過殘差網(wǎng)絡(luò)獲得歸一化相位序列表述為：

c⁰＝L(y⁰,γ)

使用兩個(gè)自適應(yīng)調(diào)節(jié)因子進(jìn)行對(duì)輸入相位和增量相位進(jìn)行自適應(yīng)的相加來構(gòu)造歸一化相位序列yⁿ

通過信號(hào)處理函數(shù)獲得損失值：

cⁿ＝L(yⁿ,γ)

這里n＝1,2,...,N，獲得第n內(nèi)循環(huán)的損失值cⁿ，并且使用ADAM算法min cⁿ優(yōu)化深度殘差網(wǎng)絡(luò)模塊中的W,B，根據(jù)損失值來保存最優(yōu)相位序列：

根據(jù)損失值來更新自適應(yīng)因子

里面的損失值c⁰和c′分別為y⁰和y′所對(duì)應(yīng)的損失值，其中y′為上輪內(nèi)循環(huán)的最優(yōu)相位，即c⁰＝L(y⁰,γ)，c′＝L(y′,γ)，其中L為損失函數(shù)，

最后進(jìn)行收斂性的判斷，首先確定最大迭代次數(shù)N_max，最小迭代次數(shù)N_min，內(nèi)迭代收斂因子收斂判斷區(qū)間E，定義j_pre＝0和j_now＝0，分別為收斂區(qū)間E內(nèi)連續(xù)兩次的收斂量，滿足內(nèi)迭代網(wǎng)絡(luò)的收斂條件即退出內(nèi)循環(huán)；

構(gòu)造外迭代網(wǎng)絡(luò)：

輸入為初始?xì)w一化相位序列融合因子ξ₁和ξ₂,外迭代收斂因子輸出為所需要的波形矩陣S，

首先生成輸入歸一化相位序列可以是隨機(jī)生成也可以是輸入優(yōu)化過的相位序列，這里y_m(n)∈[0,1]表示第m個(gè)天線發(fā)射的第n個(gè)子脈沖序列，其中m＝1,...,M和n＝1,...,N，然后輸入歸一化相位序列到損失函數(shù)中獲得損失值；

c⁰＝L(y⁰,γ)

其中L(·)為信號(hào)處理函數(shù)，另外構(gòu)造融合因子ξ₁和ξ₂，這是在內(nèi)循環(huán)中初值擬合使用的，將融合因子根據(jù)輸入的情況進(jìn)行初始化，如果隨機(jī)序列作為輸入，則ξ₁＝0,ξ₂＝1，如果優(yōu)化過的波形相位序列作為輸入，則ξ₁＝0.9,ξ₂＝0.1，

然后將其輸入到內(nèi)迭代，如下所示：

(y′,c′)＝F(y⁰,ξ₁,ξ₂)

其中為通過內(nèi)循環(huán)獲得的最優(yōu)相位序列，c′為其對(duì)應(yīng)的損失值，F(xiàn)(·)表示內(nèi)迭代，然后判斷外迭代是否收斂，需滿足兩個(gè)收斂條件之一，分別為

這里θ₁是外循環(huán)收斂因子，如果兩個(gè)外循環(huán)收斂條件均不滿足，就需要更新參數(shù)并重新新一輪的循環(huán)，分別更新y⁰＝y(tǒng)′，c⁰＝c′，如果隨機(jī)序列作為輸入，則ξ₁＝0.5,ξ₂＝0.5，如果優(yōu)化過的波形相位序列作為輸入，則ξ₁＝0.9,ξ₂＝0.1，

如果滿足任意一個(gè)條件則算法收斂，輸出作為相位序列，然后生成歸一化相位矩陣

其中mat(·)是將矢量轉(zhuǎn)化為相位矩陣，然后獲得信號(hào)矩陣

此信號(hào)矩陣S就是需要的波形。